风电场出力的短期预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9-10页 |
| ·课题研究的目的与意义 | 第10-11页 |
| ·课题研究的现状 | 第11-12页 |
| ·风电场功率预测的分类 | 第11-12页 |
| ·风电场短期功率预测的研究现状 | 第12页 |
| ·本论文的研究工作 | 第12-14页 |
| 第2章 风电场功率预测技术 | 第14-19页 |
| ·风电场概述 | 第14页 |
| ·风电场运行数据的处理 | 第14-15页 |
| ·风电场短期预测主要方法 | 第15-17页 |
| ·误差分析 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 时间序列法在风电场功率预测中的应用研究 | 第19-37页 |
| ·时间序列模型 | 第19-22页 |
| ·时间序列 | 第19页 |
| ·时间序列模型概述 | 第19页 |
| ·ARMA 模型三种形式 | 第19-21页 |
| ·ARIMA(p,d,q)模型 | 第21-22页 |
| ·时间序列模型建立过程 | 第22-26页 |
| ·模型识别 | 第22-24页 |
| ·参数估计 | 第24-25页 |
| ·模型的检验 | 第25-26页 |
| ·稳健估计 | 第26-28页 |
| ·长自回归白噪化建模方法构建ARMA(p,q) | 第28-31页 |
| ·长自回归白噪化建模方法 | 第28-29页 |
| ·基于稳健估计构建ARMA(p,q) | 第29-31页 |
| ·时间序列模型在风功率预测中的应用 | 第31-36页 |
| ·数据处理 | 第31-32页 |
| ·长自回归建模过程 | 第32-34页 |
| ·预测结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 神经网络方法在风电场功率预测中的应用研究 | 第37-52页 |
| ·人工神经网络 | 第37-38页 |
| ·神经网络的基本知识 | 第38-42页 |
| ·人工神经元模型 | 第38页 |
| ·常用的基函数和激活函数 | 第38-41页 |
| ·代表性的神经网络拓扑结构 | 第41-42页 |
| ·RBNN 与GRNN 在结构与工作原理上的比较 | 第42-44页 |
| ·RBNN 的结构与工作原理 | 第42-43页 |
| ·广义回归神经网络GRNN 的结构与工作原理 | 第43-44页 |
| ·基于广义回归神经网络(GRNN)的风功率预测 | 第44-48页 |
| ·网络的输入 | 第44-45页 |
| ·交叉验证 | 第45页 |
| ·选取径向基函数的扩展常数spread | 第45页 |
| ·应用实例 | 第45-48页 |
| ·加入数值天气预报信息预测风电场出力 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 详细摘要 | 第59-69页 |
